KI-Artikelempfehlungen erstellen

Erfahren Sie, wie Sie ein KI-Empfehlungssystem aus Artikeln in Ihrem Katalog erstellen.

Über KI-Artikelempfehlungen

Verwenden Sie KI-Artikelempfehlungen, um die beliebtesten Produkte zu berechnen oder personalisierte KI-Empfehlungen für einen bestimmten Katalog zu erstellen. Nachdem Sie Ihre Empfehlung erstellt haben, können Sie Personalisierung nutzen, um diese Produkte in Ihre Nachrichten einzufügen.

Tipp

KI-Personalisierte Empfehlungen funktionieren am besten mit mindestens einigen Hundert Katalogartikeln, höchstens 100.000 Katalogartikeln und in der Regel mindestens 30.000 Nutzer:innen mit Kauf- oder Interaktionsdaten. Dies ist nur ein grober Richtwert und kann variieren. Die anderen Empfehlungstypen können mit weniger Daten arbeiten, auch wenn Beliebteste als Fallback verwendet wird.

Planspezifische KI-Features

Die folgende Tabelle beschreibt die Unterschiede zwischen der kostenlosen und der Pro-Version der Empfehlungstypen KI-Personalisiert, Beliebteste, Neueste und Im Trend:

<sup>1. Dies ist die Häufigkeit, mit der nutzerspezifische Artikelempfehlungen aktualisiert werden (nur KI-Personalisiert und Neueste). Beliebteste und Im Trend sind globale Empfehlungen, die aktualisiert werden, wenn das Modell neu trainiert wird. Wenn beispielsweise ein:e Nutzer:in einen Artikel kauft, der auf KI-Artikelempfehlungen basiert, werden die empfohlenen Artikel gemäß dieser Häufigkeit aktualisiert.
2. Verfügbare Empfehlungstypen sind KI-Personalisiert, Neueste, Beliebteste und Im Trend.</sup>

KI-Artikelempfehlung erstellen

Voraussetzungen

Bevor Sie beginnen, benötigen Sie Folgendes:

• Mindestens einen Katalog, um einen der Empfehlungstypen nutzen zu können.
• Kauf- oder Event-Daten in Braze (angepasste Events, das Bestellungs-Event oder das Kauf-Objekt), die einen Verweis auf den Artikel enthalten und mit den Katalog-Artikel-IDs übereinstimmen müssen.

Schritt 1: Neue Empfehlung erstellen

Sie können eine KI-Artikelempfehlung an zwei Stellen im Dashboard erstellen:

• über das navigationsmenü
• über einen katalog

Schritt 2: Empfehlungsdetails hinzufügen

Geben Sie Ihrer Empfehlung einen Namen und eine optionale Beschreibung.

Schritt 3: Empfehlung definieren

Wählen Sie einen Empfehlungstyp aus. Jeder Typ verwendet die Interaktionsdaten der letzten sechs Monate, z. B. Käufe, aufgegebene Bestellungen oder angepasste Event-Daten. Ausführliche Informationen und Anwendungsfälle für die einzelnen Typen finden Sie unter Typen und Anwendungsfälle.

Tipp

Bei der Verwendung von Neueste oder KI-Personalisiert erhalten Nutzer:innen mit unzureichenden Daten für individuelle Empfehlungen als Fallback die Beliebtesten Artikel. Der Beliebteste-Fallback gibt nur Artikel zurück, die im verknüpften Katalog vorhanden sind.

Für KI-Personalisiert-Empfehlungen können Sie auf der Analytics-Seite die Personalisierungsrate einsehen – also den Prozentsatz der Nutzer:innen, die das konfigurierte Event in den letzten 24 Monaten durchgeführt haben und für die personalisierte Empfehlungen in ihrem Profil gespeichert sind. Für Neueste-Empfehlungen zeigt die Analytics-Seite den Anteil der Nutzer:innen, die Neueste-Empfehlungen erhalten, im Vergleich zum Beliebteste-Fallback.

Schritt 3.1: Frühere Käufe oder Interaktionen ausschließen (optional)

Um keine Artikel vorzuschlagen, die Nutzer:innen bereits gekauft oder mit denen sie bereits interagiert haben, wählen Sie Artikel, mit denen Nutzer:innen bereits interagiert haben, nicht empfehlen. Diese Option ist nur verfügbar, wenn der Empfehlungs-Typ auf KI-Personalisiert eingestellt ist.

Diese Einstellung verhindert, dass Nachrichten Artikel wiederverwenden, die Nutzer:innen bereits gekauft oder mit denen sie interagiert haben, vorausgesetzt, die Empfehlung wurde kürzlich aktualisiert. Artikel, die zwischen Empfehlungs-Updates gekauft oder mit denen interagiert wurde, können dennoch erscheinen. Bei der kostenlosen Version der Artikelempfehlungen erfolgen Updates wöchentlich. Bei der Pro-Version der KI-Artikelempfehlungen erfolgen Updates alle 24 Stunden.

Wenn beispielsweise bei der Pro-Version der KI-Artikelempfehlungen eine Nutzerin etwas kauft und dann innerhalb von 30 Minuten eine Marketing-E-Mail erhält, ist der gerade gekaufte Artikel möglicherweise nicht rechtzeitig aus der E-Mail ausgeschlossen. Nachrichten, die nach 24 Stunden gesendet werden, enthalten diesen Artikel jedoch nicht mehr.

Schritt 3.2: Katalog auswählen

Falls noch nicht vorbelegt, wählen Sie den Katalog aus, aus dem diese Empfehlung Artikel beziehen soll.

Schritt 3.3: Selektion hinzufügen (optional)

Wenn Sie mehr Kontrolle über Ihre Empfehlung wünschen, können Sie eine Selektion wählen, um angepasste Filter anzuwenden. Selektionen filtern Empfehlungen nach bestimmten Spalten in Ihrem Katalog, z. B. Marke, Größe oder Standort. Selektionen, die Liquid enthalten, können nicht in Ihrer Empfehlung verwendet werden.

Tipp

Wenn Sie Ihre Selektion nicht finden können, stellen Sie sicher, dass sie zuerst in Ihrem Katalog eingerichtet ist.

Schritt 4: Interaktion für Empfehlungen auswählen

Wählen Sie das Event aus, für das diese Empfehlung optimiert werden soll. Dieses Event ist in der Regel ein Kauf, kann aber auch jede andere Interaktion mit einem Artikel sein.

Tipp

Bei der Konfiguration von KI-Artikelempfehlungen ist die Wahl des Events wichtig. Ihr auslösendes Event bestimmt, wer eine KI-generierte Empfehlung erhält – KI-Artikelempfehlungen werden für Nutzer:innen generiert, die das von Ihnen konfigurierte Event durchgeführt haben, sodass diese Wahl direkt bestimmt, wer Empfehlungen erhält. Wählen Sie ein Event, das das gesamte Zielgruppen-Segment abdeckt, das Sie erreichen möchten.

Gleichzeitig sollten Sie Abdeckung und Relevanz gegeneinander abwägen. Events am Anfang des Funnels (wie „Produkt angesehen“) erfassen tendenziell ein breiteres Publikum, sind aber weniger mit Geschäftsergebnissen verbunden, während Events am Ende des Funnels (wie „Gekauft“) gezieltere, geschäftsrelevantere Empfehlungen liefern. Das beste Event ist eines, das Abdeckung und Einfluss auf das Geschäftsergebnis in Einklang bringt.

Sie können optimieren für:

• Kauf-Events mit dem Kauf-Objekt
• Angepasste Events, die einen Kauf darstellen
• Angepasste Events, die eine andere Artikelinteraktion darstellen (z. B. Produktansichten, Klicks oder Medienwiedergaben)
• Aufgegebene Bestellungen mit dem Bestellungs-Event

Wenn Sie Angepasstes Event wählen, wählen Sie Ihr Event aus der Liste aus.

Hinweis

Angepasste Events müssen über ausreichend Daten verfügen, bevor sie in der Event-Liste erscheinen. Wenn Ihr angepasstes Event nicht angezeigt wird, liegt es möglicherweise daran, dass das Braze-Backend es noch nicht verarbeitet hat oder nicht genügend Daten für das Modelltraining vorhanden sind. KI-Empfehlungen basieren auf historischen Daten, um Insights zu generieren, sodass neu erstellte oder selten ausgelöste Events erst verfügbar sind, wenn mehr Daten erfasst wurden.

Schritt 5: Entsprechenden Eigenschaftsnamen wählen

Um eine Empfehlung zu erstellen, müssen Sie Braze mitteilen, welches Feld Ihres Interaktions-Events (Bestellungs-Event, Kauf-Objekt oder angepasstes Event) den eindeutigen Bezeichner enthält, der mit dem id-Feld eines Artikels im Katalog übereinstimmt. Sie sind unsicher? Anforderungen ansehen.

Wählen Sie dieses Feld für den Eigenschaftsnamen aus.

Das Feld Eigenschaftsname wird mit einer Liste von Feldern vorbelegt, die über das SDK an Braze gesendet werden. Wenn ausreichend Daten vorhanden sind, werden diese Eigenschaften auch nach der Wahrscheinlichkeit sortiert, die korrekte Eigenschaft zu sein. Wählen Sie diejenige aus, die dem id-Feld des Katalogs entspricht.

Anforderungen

Es gibt einige Anforderungen für die Auswahl Ihrer Eigenschaft:

• Muss auf das id-Feld Ihres ausgewählten Katalogs abgebildet werden.
• Wenn Sie das Bestellungs-Event ausgewählt haben oder E-Commerce-Events verwenden, um Artikelempfehlungen zu trainieren: Geben Sie products.product_id für die Produkt-ID ein.
  • Das Feld kann sich in einem Array von Produkten befinden oder mit einem Array von IDs enden. In beiden Fällen wird jede Produkt-ID als separates, sequenzielles Event mit demselben Zeitstempel behandelt.
• Wenn Sie Kauf-Objekt ausgewählt haben: Muss die product_id oder ein Feld der properties Ihres Interaktions-Events sein.
• Wenn Sie Angepasstes Event ausgewählt haben: Muss ein Feld der properties Ihres angepassten Events sein.
• Verschachtelte Felder müssen im Dropdown Eigenschaftsname in Punktnotation im Format event_property.nested_property eingegeben werden. Wenn Sie beispielsweise die verschachtelte Eigenschaft district_name innerhalb der Event-Eigenschaft location auswählen, geben Sie location.district_name ein. Weitere Informationen zu verschachtelten Eigenschaften in angepassten Events finden Sie unter Verschachtelte Objekte.

Beispiel-Abbildungen

Die folgenden Beispiel-Abbildungen beziehen sich beide auf diesen Beispielkatalog:

• angepasstes event
• kauf-objekt
• bestellungs-event

1
2
3
4
5
6
7
8
9
10
11
12
13
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "product_sku": "ADI-BL-7"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "2ff3f9a9-8803-4c3a-91da-14adbf93dc99",
        "products": [
          { "sku": "ADI-BL-7" },
          { "sku": "ADI-WH-9" }
        ]
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
  "events": [
    {
      "external_id": "user1",
      "app_id": "your-app-id",
      "name": "added_to_cart",
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "transaction_id": "13791e08-7c22-4f6c-8cc6-832c76af3743",
        "purchase": {
          "product_skus": ["ADI-BL-7", "ADI-WH-9"]
        }
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "ADI-BL-7",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "color": "black",
        "checkout_duration": 180,
        "size": "7",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
{
  "purchases": [
    {
      "external_id": "user1",
      "app_id": "11ae5b4b-2445-4440-a04f-bf537764c9ad",
      "product_id": "shoes",
      "currency": "USD",
      "price": 100.00,
      "time": "2024-07-16T19:20:30+01:00",
      "properties": {
        "sku": "ADI-RD-8",
        "color": "red",
        "checkout_duration": 180,
        "size": "8",
        "brand": "Adidas"
      }
    }
  ]
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
{
  "name": "ecommerce.order_placed",
  "properties": {
    "order_id": "order_123",
    "total_value": 200.0,
    "currency": "USD",
    "products": [
      {
        "product_id": "ADI-BL-7",
        "product_name": "Adidas Black Size 7",
        "variant_id": "ADI-BL-7-default",
        "quantity": 1,
        "price": 100.0
      }
    ],
    "source": "storefront"
  }
}

Schritt 6: Empfehlung trainieren

Wenn Sie bereit sind, wählen Sie Empfehlung erstellen. Dieser Vorgang kann zwischen 10 Minuten und 36 Stunden dauern. Sie erhalten eine E-Mail-Benachrichtigung, wenn die Empfehlung erfolgreich trainiert wurde, oder eine Erklärung, warum die Erstellung möglicherweise fehlgeschlagen ist.

Sie finden die Empfehlung auf der Seite Prognosen, wo Sie sie nach Bedarf bearbeiten oder archivieren können. Empfehlungen werden automatisch einmal pro Woche (kostenpflichtig) oder pro Monat (kostenlos) neu trainiert.